Shy
Shy
周博士： 您好！ 我在阅读您的代码时注意到了一些关于加快推理速度的技巧，特别是关于cache的使用以及如何处理帧与帧之间的agent编码问题。我有几个问题想要进一步了解和确认：  - Temporal Attention中的KV Cache使用：在处理新帧时，您使用了历史的agent encodings。我理解这里应该使用的是KV Cache技巧，通过下三角矩阵的mask来保证推理结果的一致性。请问我的理解是否正确？ - Agent数量与顺序不一致的处理： - 在连续的帧中，agent的数量可能不同，例如上一帧有5个agent，新一帧只有2个。如果past的维度是A, T-1, D，比如5, T-1, D，而新一帧的维度是2, 1, D，这种情况下应该如何合并这些数据？ - 如果agent的传入顺序在不同帧中不同，比如上一帧是X, Y, Z，新一帧是Y, Z, X，这在合并时可能会造成问题。应该如何处理这种顺序变化？ - 单帧Agent的edge和r计算：当只传入一个时间点的agent数据时，例如计算edge_index_t可能为空，这会导致无法计算rel_pos_t等相对关系，进而影响后续的Temporal Attention计算。我试了试每个agent的edge_index_t给的值为[[0],[0]]，但attention的结果略有差异。这种差异可能是因为单个时间步的position_embedding和连续时间步骤的position_embedding不同导致的，在这种情况下应该如何处理能保证推理和训练结果一致性呢？ 附上相关我理解的代码修改段落供参考，麻烦看看我的理解是否正确：...
Command \CJKunderlinecolor undefined. ^^I\renewcommand{\CJKunderlinecolor} 首先windows里没有bat文件，只能去编译tex文件，但是编译失败。 本人采用的xlatex去编译，怀疑是cjk的问题，但尝试了下也没有什么思路。 希望作者能回复一下，谢谢你！
Hi, I am currently using an API to train models for submission to the leaderboard in the Argoverse 2 prediction challenge. In addition to this, I'm interested in applying these...